Snake optimization algorithm combining elite initialisation and K-nearest neighbors

Snake optimization algorithm combining elite initialisation and K-nearest neighbors
Wang Lijuan1
Liu Shuhan1
Wang Jian2
Tian Yaqi1
1. School of Electrical Engineering, North China University of Water Resources & Electric Power, Zhengzhou Henan 450045, China
2. School of Artificial Intelligence & Automation, Huazhong University of Science & Technology, Wuhan Hubei 430074, China

摘要

The survival behavior of snakes in nature generates the Snake Optimization(SO) , a meta-heuristic optimization algorithm. But the original snake optimization algorithm suffers from slow convergence and easy to fall into the local optimum, so this paper proposes an improved snake optimization algorithm that combines Elite initialization and K-nearest neighbors Improved Snake Optimizer (EKISO) . Firstly, in order to improve the quality of the initial population, during the population initialization stage we propose the method of elite initialization, which generates high-quality initial population individuals based on elite individuals of the population. Secondly, optimizing the spiral foraging strategy with a shock factor expands the search range during the global exploration stage and enhances the algorithm's local escape capability. Finally, in the local exploitation stage we propose a position update method based on the K-nearest neighbor concept, enhancing the information interaction capability among population individuals, thus accelerating convergence speed and improving convergence accuracy. We compare this method with seven other optimization algorithms using 14 classical test functions and 4 CEC2017 test functions, which proves that the EKISO algorithm converges faster, has higher accuracy and is not easy to fall into local optimum. To further validate the practicality and feasibility of the EKISO algorithm, we apply it to pressure vessel design problems. Experimental comparative analysis reveals that the EKISO algorithm possesses certain advantages in dealing with real optimization problems.

基金项目

国家自然科学基金面上项目(72071084)
河南省教育厅高等学校重点科研项目(22A120008)

出版信息

DOI: 10.19734/j.issn.1001-3695.2024.01.0019
出版期卷: 《计算机应用研究》 Accepted Paper, 2024年第41卷 第9期

发布历史

[2024-05-13] Accepted Paper

引用本文

王丽娟, 刘姝含, 王剑, 等. 结合精英初始化和K近邻的蛇优化算法 [J]. 计算机应用研究, 2024, 41 (9). (2024-05-14). https://doi.org/10.19734/j.issn.1001-3695.2024.01.0019. (Wang Lijuan, Liu Shuhan, Wang Jian, et al. Snake optimization algorithm combining elite initialisation and K-nearest neighbors [J]. Application Research of Computers, 2024, 41 (9). (2024-05-14). https://doi.org/10.19734/j.issn.1001-3695.2024.01.0019. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊